前几天石家庄海绵专用胶价格，小鹏汽车在   arXiv   上正式公开了他们在物理   AI   与世界模型域的新研究成果：X-Foresight: A Joint Vision-Action Causal Forecasting Network via Predictive World Modeling。

这疑是全球计机视觉顶会   CVPR 2026   开幕前夕的项重量成果，而小鹏也是本届会议中唯受邀进行主题演讲的车企。这篇论文的公开，意味着继今年   3   月发布   X-World、4   月发布   X-Cache   之后，小鹏智驾生态的后块核心拼图正式落地。

作为这套体系的灵魂   X-Foresight   是套基于预测式世界模型（Predictive World Modeling）的视觉 - 动作因果预测网络。而它的出，直指当前整个智驾行业的底层瓶颈。

目前，大部分自动驾驶系统（包括特斯拉 FSD V12）和前沿的   VLA   架构（Vision-Language-Action），都是端到端的，本质上偏向"条件反射"。

系统就像个凭本能开车的赛车手，走的是"感知→直接动作"的黑盒路线。因为缺乏对物理世界的常识，它们法在脑海里提前模拟："如果我这么开，3 秒后会发生什么？"

怎么破这个瓶颈？小鹏的   X-Foresight 在这里面加入了个中间层："感知→预测未来状态→评估动作后果→选择优动作"。

相较于传统   VLA   依赖语言作为中间表示，X-Foresight   选择了条底层、训练难度、但具颠覆的通路——直接建模物理因果。就像给智驾系统安上了"预言的大脑"，边频控车，边实时"脑补"出清全景未来画面。不管是行人突横穿、前车急刹，还是违规掉头等危长尾场景，都能在提前预判中轻松拿捏。

( A ) X-Foresight 的理流程

( B ) 在 t=2 s、t=4 s、t=6 s 时刻预测未来帧的闭环理可视化结果

( C ) X-Foresight 在多项基准测试中均优于基线法

而这套物理模拟器之所以能够从纸面走向现实，全靠以下四个核心技术模块的跨越式创新：

架构："分块预判"破大模型的法作弊

很多人觉得，既然   Sora   能把生成得那么逼真，那直接把这套"逐帧预测下帧画面"的活搬到智能驾驶上不就行了？

然而，这样做会遇到个致命的"预测退化陷阱"。由于自动驾驶的相邻两帧画面实在太相似了，如果让大模型去"逐帧预测"，它会迅速学会偷懒作弊，直接把上帧画面平移或者复制过去。这样损失函数虽然降下来了，但实际上退化成了毫意义的像素外，根本没学到真正的物理运动规律，妥妥的"刷题"。

同时，世界建模还面临着"时序困境"：你想看清前车变道的刹那，就得死盯着每帧（帧率稠密预测）；但你想看懂前过十字路口的长期因果，又得往后看好几秒。如果把这两件事混在起强行死磕每帧，车机力瞬间就会被榨干。

所以，X-Foresight   的架构核心，改用了"长时域分块自回归"（Chunk-wise  Auto-Regressive）策略：

内密外疏，长短通吃：它不再帧帧地生啃，而是把时间切成了个个   1   秒钟的"大块（Chunk）"。在块的内部，密集采样，把前车变道、刹车灯亮这种"瞬时动态"抓得死死的；在块与块之间，直接跨越式地稀疏跳转，门用来演几秒后的"长期因果"。这样既不会让模型躺平抄作业，又用低的力成本兼顾了眼前的细节和远的因果。

BSA   力加速：为了止这种长序列训练让系统崩掉，团队自己手写了个半因果块稀疏注意力机制（BSA）作为底层核，直接把传统的   Flash   Attention-2   给换掉了。这换，端到端训练的吞吐量直接暴涨了   1.59 倍！用经济的力，搞定了这个时间两难的困境。

用于长序列训练的半因果块稀疏注意力掩码

两个面板展示了分配给不同注意力头组的互补稀疏模式

策略：由易到难，痛拓宽 21 秒远见视界

想让个刚出生的大模型口气看清   21   秒后的未来，力不仅吃不消，模型也根本学不会，易致训练崩溃。

为了破这个局，小鹏引入了渐进式课程学习配扩展视界策略（Curriculum Learning for Extended Foresight，CLEF），像教孩子读书样，讲究循序渐进：

步（普及班）：  先让模型学会预测挨在起的短时间块（以   1   秒为步长进行短期脑补）。

二步（进阶班）：  等模型底子扎实了石家庄海绵专用胶价格，逐渐把块之间的跳转间距拉大到   3   秒。

通过这种由易到难的"喂养"式，系统在没有增加丁点额外力负担的前提下，硬生生把前瞻视野拉长到了   21   秒的长地平线。这直接让   AI   拥有了老司机"走步、看十步"的顶远见，即使遇到突发状况，控车策略也稳如老狗，不掉链子。

数据：拒流水账，强迫大模型死磕"错题本"

海量的上路行车看似是大笔财富，但其实大部分时间车辆都在平稳地匀速直线行驶。这种毫波澜的"平稳巡航废话画面"如果均匀采样、密度地喂给大模型，只会白白浪费力和监督信号，还会稀释核心知识的学习果，让模型变得迟钝。

为了不让数据注水，小鹏创新应用了时序重要采样（Temporal Importance Sampling，简称   TIS）。这套策略不看别的，挑"难题"和"突发状况"下手：

用公式给路况分：  系统不是盲目地乱选，而是通过套基于车辆横向和纵向加速度的法，实时给前瞻、当下、后滞三个时间窗口的动态变动进行定量评估。

攻安全关键：  只要遇到变道、急刹、强插、猛向等安全关键块，该片段的分数就会飙升。系统会自动把宝贵的力倾斜给这些价值片段。这相当于强迫大模型抛弃意义的流水账，全贯注地死磕"硬核错题本"，pvc管道管件胶大大提升了应对危机时的决策长进。

渲染：脑眼分离，严死守的"作弊天条"

为了把大脑想的"因果道理"变成大都能看懂的清画面，小鹏在设计哲学上提出了个非常清醒的观点：学道理不需要清。

如果隐空间里塞满了过多的像素细节，反而会稀释掉模型对世界核心结构规律的理解。就像我们人类学开车，脑子里想的是车流怎么走、路怎么弯，而不需要去强行记住路边每棵树的树叶是怎么飘的。

因此，X-Foresight   依托两大核心模块，实现了"脑眼分离"：

大型驾驶模型（Large Drive Model）充当"军师"： 作为核心大脑，在隐空间进行抽象的物理理和控车决策。它输出三种东西：控制动作（频控车）、BEV   鸟瞰图（空间结构理解）和每路摄像头的隐向量   Token。

视觉渲染器（Vision Renderer）充当"画师"：  基于   X-World   优化的扩散式多视角渲染器与   3D   因果   VAE（变分自编码器），它不参与决策，门负责把   LDM   军师脑海里那些抽象的   Token，成几何致、真假难辨的   7   路环视摄像头清全景闭环画面。1   秒预测视界   FID   值低至   1.51，即便到了   6   秒长时预测仍能保持低漂移！

训练流程示意

而这里，死守着条妙的"作弊天条"：在终的对齐阶段，渲染器是对不输入车辆控制动作（Action Token）的！

为什么要故意瞒着它？因为如果让渲染器同时看到动作（比如踩油门或向），扩散模型就会偷偷走捷径，直接根据动作去硬套、瞎编未来的画面，从而与   LDM   大脑内部真实的物理理脱节。

现在，小鹏逼着渲染器只能通过   LDM   的   Camera Token   这根木桥来传信息，反而死死确保了车机画出来的未来画面，与智驾大脑的内部真实想象对对齐。

战绩：13.8 万亿 Token 喂出的工业底与实测震撼

套强大的世界模型网络，须有庞大的产业数据和生态来喂养。

小鹏这次直接掏出了令人惊叹的工业底：基于小鹏   28   万小时自有驾驶数据训练，涵盖   3400   万条片段，Token   规模达到了的   13.8   万亿！ 采用   7   目环视摄像头，实现   360   度死角覆盖，广泛横跨城市道路（86.8）与速（13.2），完整保留了环岛、匝道、收费站、弱势道路使用者交互等长尾安全场景。

在这层饱和式训练下，体的   X-Foresight   在规划安全与生成保真度上先传统基线，直接用连串硬核的数据碎了传统   VLA   的黑盒瓶颈：

安全规指标暴涨：核心碰撞率相对暴跌了   16.2！安全（Safety）指标提升   9.1，规（Compliance）指标提升   8.2。

轨迹控线：衡量   AI   走线准不准的轨迹误差上，横向和纵向的   ADE（平均位移误差）分别提升   6.4   和   3.6；而长远预判的   FDE（终点位移误差）是分别大幅优化了   8.8   和   4.1。

六边形战士：依据小鹏自的   CCES（规、舒适、率、安全）测评指标体系，X-Foresight   在四个指标上的综表现提升了   4.6。

X-Foresight 与基线模型进行的实测数据对比

在实际场景中，对比传统两眼抹黑、动不动就车道偏离、盲目制动点刹的旧模型，X-Foresight   现场演示了什么叫拥有物理世界知识的"顶老司机"：

多出口大环岛场景：传统的反应式模型由于视界太短，进环岛看到近处的出口，很容易按"肌肉记忆"跑偏、提前切出。而   X-Foresight   展现出强大的前瞻决策能力，锚定航目标出口，路上稳压阵脚，不受近处出口的干扰。

多出口环岛下，X-Foresight 根据实际情况追踪目标出口

夜间路口信号灯切换预判：面对前红灯，普通基线模型往往因为短视而早早脚把刹车踩死，甚至把预测轨迹掐断。但   X-Foresight   通过脑补未来，预判了信号灯的切换趋势   ——   它准了车辆滑行到停止线前红灯就会变绿，从而在内部画出了条需减速、滑行通过路口的优雅轨迹。

夜间十字路口下，X-Foresight 预测信号灯转换

全栈协同，和特斯拉相遇的那天越来越近了

随着   X-Foresight   的正式亮相，小鹏通往阶自动驾驶的"三件套"终于完成了拼图，构筑起了闭环的自动驾驶生态：

X-World   负责搞定"数据"：  用逼真的多视角仿真生成，给   AI   创造出穷尽、包罗万象的"模拟考卷"；

X-Cache   负责搞定"速度"：  把端到端的实时和吞吐率拉满，确保车机大脑在应对海量频信号时不卡顿、原地起飞；

X-Foresight   负责搞定"智能"：  注入灵魂的物理因果理，让车子真正学会像人类老司机样去"预判未来"。

这三张凑齐，协同构建起"知识学习 - 场景仿真 - 理加速"   的全栈体系，才真正支撑起   L4   别智驾所需的"系统安全冗余"。质变从来都不是靠某个法的单点爆种，而是靠这种环环相扣的系统全栈工程能力。

从数据驱动、模型驱动，再到如今   X-Foresight   开启的"世界知识驱动"（World-knowledge-driven）新范式，自动驾驶的下半场要变天了。未来的物理世界模拟器，小鹏已经率先开上了主干道。

回想起   2020   年，马斯克指责小鹏智驾时，何小鹏在社交媒体上的硬气回应：

如今的小鹏，已被很多人认为时国内能与特斯拉正面硬刚的强竞争者。

而何小鹏当年说的"相遇"的那天，已经越来越近了。

参考阅读：

X-Foresight 官项目主页：https://x-foresight-1.github.io/en/

•END •

欢迎点击科技每日送号，看新 ~

↓↓↓

易简传媒为新三板挂公司 ( 股票代码 :834498 ) ，旗下新媒体微信粉丝 2500 万 +，讲述各行业的精彩故事，欢迎大关注以下账号

↓↓↓相关词条:玻璃棉     塑料挤出机厂家     钢绞线    管道保温    PVC管道管件粘结胶

奥力斯    万能胶厂家    联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定石家庄海绵专用胶价格，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。